論文の概要: A Novel Weighted Combination Method for Feature Selection using Fuzzy Sets

• arxiv url: http://arxiv.org/abs/2005.05003v2
• Date: Thu, 21 May 2020 06:01:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 19:34:22.094339
• Title: A Novel Weighted Combination Method for Feature Selection using Fuzzy Sets
• Title（参考訳）: ファジィ集合を用いた特徴選択のための軽量結合法
• Authors: Zixiao Shen, Xin Chen, Jonathan M. Garibaldi
• Abstract要約: 提案手法は主に,ブートストラップを用いたファジィ集合生成,ファジィ集合の重み付け,デファジィ化に基づく特徴ランキングの3つのプロセスからなる。 提案手法は、4つの最先端特徴選択法を組み合わせて実装し、3つの公開バイオメディカルデータセットに基づく性能評価を行った。
• 参考スコア（独自算出の注目度）: 10.925672064009026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel weighted combination feature selection method using bootstrap and fuzzy sets. The proposed method mainly consists of three processes, including fuzzy sets generation using bootstrap, weighted combination of fuzzy sets and feature ranking based on defuzzification. We implemented the proposed method by combining four state-of-the-art feature selection methods and evaluated the performance based on three publicly available biomedical datasets using five-fold cross validation. Based on the feature selection results, our proposed method produced comparable (if not better) classification accuracies to the best of the individual feature selection methods for all evaluated datasets. More importantly, we also applied standard deviation and Pearson's correlation to measure the stability of the methods. Remarkably, our combination method achieved significantly higher stability than the four individual methods when variations and size reductions were introduced to the datasets.
• Abstract（参考訳）: 本稿では,ブートストラップとファジィセットを用いた新しい重み付き組合せ特徴選択法を提案する。 提案手法は主に,ブートストラップを用いたファジィ集合生成,ファジィ集合の重み付け,デファジィ化に基づく特徴ランキングの3つのプロセスからなる。 提案手法は、4つの最先端特徴選択法を組み合わせて実装し、5倍のクロスバリデーションを用いた3つの公開バイオメディカルデータセットに基づく性能評価を行った。 提案手法は,特徴選択結果に基づいて,評価されたすべてのデータセットに対して,個々の特徴選択手法の最も優れた分類精度を作成した。 さらに, 標準偏差とピアソン相関を適用し, 手法の安定性を測定した。 顕著なことに,本手法は,データセットにばらつきとサイズ縮小を導入した場合の4つの手法に比べて,安定性が著しく向上した。

関連論文リスト

• A binary PSO based ensemble under-sampling model for rebalancing imbalanced training data [29.53148709356689]
  本稿では,偏見分類器に対するアンサンブル学習の利点と,新しいアンダーサンプリング手法を併用した新しいアンサンブル手法を提案する。 アンダーサンプリング法はBinary PSOインスタンスセレクションと呼ばれ、アンサンブル分類器で収集し、最も適した長さと多数クラスのサンプルの組み合わせを見つける。 実験結果から,提案手法は単一アンサンブル法,最先端アンダーサンプリング法,従来のPSOインスタンス選択アルゴリズムと組み合わせた手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-31T01:45:20Z)
• An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
  まず最適化モデルを構築し,非単調な選好をモデル化する。 本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
  論文  参考訳（メタデータ） (2024-09-04T14:36:20Z)
• Feature Selection as Deep Sequential Generative Learning [50.00973409680637]
  本研究では, 逐次再構成, 変分, 性能評価器の損失を伴って, 深部変分変圧器モデルを構築した。 提案モデルでは,特徴選択の知識を抽出し,連続的な埋め込み空間を学習し,特徴選択決定シーケンスをユーティリティスコアに関連付けられた埋め込みベクトルにマッピングする。
  論文  参考訳（メタデータ） (2024-03-06T16:31:56Z)
• Multivariate feature ranking of gene expression data [62.997667081978825]
  ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。 提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-03T17:19:53Z)
• Relearning ensemble selection based on new generated features [0.0]
  提案手法は,3つのベンチマークデータセットと1つの合成データセットを用いて,最先端のアンサンブル手法と比較した。 提案手法の評価には4つの分類性能指標を用いる。
  論文  参考訳（メタデータ） (2021-06-12T12:45:32Z)
• Auto-weighted Multi-view Feature Selection with Graph Optimization [90.26124046530319]
  グラフ学習に基づく新しい教師なしマルチビュー特徴選択モデルを提案する。 1) 特徴選択過程において, 異なる視点で共有されたコンセンサス類似度グラフが学習される。 各種データセットを用いた実験により,提案手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-11T03:25:25Z)
• Feature Selection Methods for Cost-Constrained Classification in Random Forests [3.4806267677524896]
  コストに敏感な特徴選択は、機能選択の問題であり、モデルに含めるための個々のコストを上昇させる。 ランダムフォレスト(Random Forests)は、機能選択において特に困難な問題を定義している。 小木構造から特徴を選択する新しい高速多変量特徴選択法であるShallow Tree Selectionを提案する。
  論文  参考訳（メタデータ） (2020-08-14T11:39:52Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• A Novel Meta Learning Framework for Feature Selection using Data Synthesis and Fuzzy Similarity [10.925672064009026]
  本稿ではファジィ類似性に基づく特徴選択のための新しいメタ学習フレームワークを提案する。 提案手法は、任意のデータセットに対して、4つの候補FSメソッドから最高のFSメソッドを推奨することを目的としている。 5つのデータセットのベストメソッドと1つのデータセットの2番目のベストメソッドをうまく推奨し、4つのFSメソッドのどれよりも優れていた。
  論文  参考訳（メタデータ） (2020-05-20T06:03:41Z)
• Performance Optimization of a Fuzzy Entropy based Feature Selection and Classification Framework [10.925672064009026]
  提案手法は,3つの公開バイオメディカルデータセットを用いて評価した。 提案手法は,3つのデータセットに対して,特徴が徐々に除去され,最も安定した性能を実現した。
  論文  参考訳（メタデータ） (2020-05-11T07:16:50Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。